JP EN

学部後期課程

学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2024年4月22日

授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。

知能機械情報学

実世界知能を構成するためには，ノイズや変動に満ちた膨大なセンサ信号から，信頼性よく認識，判断，記憶，学習などを行う仕組みが必要である．そのための手法の基礎について学ぶ．

In order to interact with the real world and behave intelligently, it is decisive to recognize, learn and use meaningful structures from complex, uncertain and massive information. This class will give you basic methods to effectively find meaningful structures and build intelligent systems.

MIMA Search

時間割／共通科目コード

コース名

教員

学期

時限

FEN-MX4d08L1

知能機械情報学

國吉　康夫

S1 S2

月曜2限

マイリストに追加

マイリストから削除

講義使用言語

日本語

単位

実務経験のある教員による授業科目

他学部履修

可

開講所属

工学部

授業計画

１．國吉教授・連想記憶ニューラルネット・自己組織化ニューラルネット・時系列学習ニューラルネット・深層強化学習２．原田教授・決定木・集団学習，ブースティング・線形サポートベクトルマシン・オンライン学習　・カーネル法・混合ガウス分布，EMアルゴリズム・隠れマルコフモデル 1. Prof. Kuniyoshi - Associative memory neural networks - Self organizing neural networks - Time series learning neural networks - Deep reinforcement learning 2. Prof. Harada - Decision tree - Ensemble learning and boosting - Linear support vector machine - Online learning - Kernel method - Gaussian mixture model and EM algorithm - Hidden markov model

授業の方法

2024/4/8（月） 10:25に初回オンライン開講する．ZoomリンクはITC-LMSを参照のこと．

成績評価方法

出席（5割），レポート（5割）＋　発言・プレゼン（＋α）

教科書

・「ロボットインテリジェンス」，浅田稔，國吉康夫，岩波書店，2006. ・「エージェントアプローチ人工知能」，Stuart Russell, Peter Norvig (原著), 古川康一 (翻訳)，共立出版

参考書

監訳. パターン認識と機械学習上・下 - ベイズ理論による統計的予測.

履修上の注意

指示しない

その他

前提となる知識と項目：線形代数確率論プログラミング（C，C++，Python，matlabなど） Linear algebra Probability Programming language (e.g. c, c++, python and matlab) 応用先_分野と項目：知能ロボットシステム実世界情報処理システム画像認識音声認識データマイニング Intelligent robot system Real world information processing system Image recognition Speech recognition Data mining

戻る